Aprendizado de métrica baseado em kernels

• Processo: 14/11296-0
• Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Vigência (Início): 21 de julho de 2014
• Vigência (Término): 20 de julho de 2015
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Antonio Castelo Filho
• Beneficiário: Douglas Cedrim Oliveira
• Supervisor no Exterior: Eduard Gröller
• Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Local de pesquisa : Vienna University of Technology (TU Wien), Áustria
• Vinculado à bolsa: 11/12263-0 - Reconstrução de variedades a partir de nuvens de pontos, BP.DR

Resumo

Esse projeto de pesquisa tem como objetivo efetuar uma análise visual interativa de dados imersos em espaços de características de alta dimensão. O objetivo principal é prover ao usuário ferramentas que facilitem o processo de aprendizado de métricas. A metodologia proposta consiste em utilizar o método da pré-imagem e a teoria de kernels auxiliado por técnicas de visualização. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

CEDRIM, DOUGLAS; VAD, VIKTOR; PAIVA, AFONSO; GROELIER, M. EDUARD; NONATO, LUIS GUSTAVO; CASTELO, ANTONIO. Depth functions as a quality measure and for steering multidimensional projections. COMPUTERS & GRAPHICS-UK, v. 60, p. 93-106, NOV 2016. Citações Web of Science: 1.